Hy-SimulMT переводит китайскую и английскую речь в обоих направлениях, формируя текст и голос. Технологию можно попробовать в мобильном Hy Translate.
Источник фото: Tencent Hunyuan
Около трёх секунд — значение метрики StreamLAAL в тесте Tencent, а не время до первого звука. Для озвучивания и клонирования голоса при самостоятельном запуске нужен отдельный TTS-сервис.